Procesamiento del Lenguaje Natural en la Documentación Clínica

Una gran parte de la información clínica se registra como texto libre, notas narrativas, resúmenes de alta, informes de radiología y patología, en lugar de como códigos estructurados. El procesamiento del lenguaje natural (PLN) en la documentación clínica es el conjunto de métodos computacionales que extraen información estructurada y utilizable por máquinas de ese texto, apoyando tareas desde la codificación y la identificación de cohortes hasta la alimentación de sistemas de apoyo a la decisión y predicción.

Definition

El procesamiento del lenguaje natural clínico es la aplicación de métodos lingüísticos computacionales al texto libre clínico con el fin de identificar, normalizar y estructurar la información que contiene, por ejemplo, mapeando menciones de afecciones, hallazgos y medicamentos a conceptos codificados, al tiempo que se tiene en cuenta el contexto, como la negación y la incertidumbre.

Scope

Esta entrada abarca las tareas centrales del PLN aplicadas a narrativas clínicas, como la tokenización, el reconocimiento de entidades nombradas, la normalización de conceptos a terminologías controladas, la detección de negación y afirmación, y la extracción de relaciones; los flujos de trabajo (pipelines) de PLN clínico establecidos; las dificultades particulares del lenguaje clínico; y la transición de enfoques basados en reglas a enfoques estadísticos y neuronales. Es un tema metodológico que describe cómo se procesa el texto, no una fuente de recomendaciones clínicas.

Key concepts

• Reconocimiento de entidades nombradas y normalización de conceptos
• Detección de negación y afirmación
• Extracción de información y extracción de relaciones
• Mapeo de conceptos a UMLS / terminologías controladas
• Flujos de trabajo (pipelines) de PLN clínico (p. ej., cTAKES)
• Métodos basados en reglas vs estadísticos vs neuronales
• Desidentificación de texto clínico
• Ambigüedad, abreviatura y cambio de dominio

Mechanisms

El PLN clínico típicamente encadena etapas: segmentar y tokenizar texto, reconocer menciones clínicamente relevantes, normalizarlas a conceptos en un vocabulario controlado y detectar el contexto, como la negación, la incertidumbre o si un hallazgo se refiere al paciente o a un miembro de la familia. Flujos de trabajo (pipelines) abiertos como cTAKES empaquetaron estos componentes para narrativas clínicas y mapearon los términos extraídos a conceptos estandarizados (Savova, 2010). La normalización de conceptos se basa en la integración de recursos como el UMLS, que vincula muchos vocabularios fuente para que diversas formas superficiales se resuelvan en identificadores comunes (Bodenreider, 2004). El campo ha evolucionado de reglas construidas manualmente hacia modelos estadísticos y neuronales, mientras que las tareas subyacentes permanecen consistentes (Nadkarni, 2011).

Clinical relevance

Dado que gran parte del detalle clínicamente significativo reside en las notas narrativas, el PLN determina cuánto de ese detalle está disponible para la codificación, la medición de la calidad, la selección de cohortes y el apoyo a la decisión posterior. Esta entrada describe cómo se procesa y estructura el texto clínico; la información extraída requiere validación y supervisión humana, y el texto no constituye una base para ninguna decisión diagnóstica o de tratamiento individual.

Evidence & guidelines

El PLN clínico se evalúa principalmente a través de métricas de rendimiento específicas de la tarea y desafíos de evaluación compartidos, en lugar de ensayos de resultados clínicos. Artículos introductorios y de sistemas documentan el flujo de trabajo (pipeline) estándar y sus componentes (Nadkarni, 2011; Savova, 2010), y la normalización de conceptos depende de la integración de terminologías como el UMLS (Bodenreider, 2004). Se sabe que el rendimiento varía entre instituciones y tipos de notas, por lo que se enfatiza la validación local.

History

El PLN clínico surgió de los primeros sistemas de procesamiento del lenguaje médico y la coincidencia de patrones basada en reglas, madurando en la década de 2000 con flujos de trabajo (pipelines) de código abierto reutilizables y desafíos de evaluación compartidos que estandarizaron tareas y puntos de referencia. A lo largo de la década de 2010, el campo pasó de métodos basados en reglas y de aprendizaje automático clásico hacia modelos de lenguaje neuronales y, posteriormente, basados en transformadores, manteniendo las mismas tareas centrales de extracción y normalización.

Debates

¿Qué tan portátiles son los sistemas de PLN clínico entre diferentes sitios?

Los modelos y reglas ajustados a las notas de una institución a menudo se degradan en las de otra debido a las diferencias en plantillas, abreviaturas y estilo de documentación, lo que genera debate sobre la generalizabilidad, la necesidad de adaptación local y los corpus anotados compartidos.

Key figures

• Wendy W. Chapman
• Guergana K. Savova
• Prakash M. Nadkarni
• Lucila Ohno-Machado

Seminal works

• nadkarni-2011
• savova-2010
• bodenreider-2004

Frequently asked questions

¿Por qué el procesamiento de texto clínico es más difícil que el texto general?

Las notas clínicas están densamente pobladas de abreviaturas, errores ortográficos, fragmentos de plantillas y términos específicos del dominio, y el significado a menudo depende del contexto, como la negación o la incertidumbre, todo lo cual dificulta la extracción precisa en comparación con la prosa ordinaria.

¿Qué es la normalización de conceptos en el PLN clínico?

Es el paso de mapear una mención textual, como 'ataque cardíaco' o 'IM', a un único concepto estandarizado en un vocabulario controlado, de modo que las diferentes formas superficiales de la misma idea puedan ser tratadas consistentemente por los sistemas posteriores.